BenchLeader

GLM 5.2 vs Kimi K3.1 Pro

詳しいプロフィール:GLM 5.2(Zhipu AI)とKimi K3.1 Pro(Moonshot AI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 11件の情報源のデータ

2026年11月16日時点で、GLM 5.2とKimi K3.1 Proの品質は互角です(BenchLeader Indexで58.9 対 61.8、±5.0の誤差範囲内)。価格はGLM 5.2の方が1.9倍安く、100万トークンあたりのブレンド価格で$2.15 対 $4.00です。コーディング(62 対 60)を重視するならGLM 5.2、数学(73 対 53)、知識(58 対 44)、長文コンテキスト(68 対 64)を重視するならKimi K3.1 Proが向いています。回答開始までの時間はGLM 5.2の方が短く、26.8秒 対 157.4秒です。GLM 5.2は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.2が58.9、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • GLM 5.2の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
  • Kimi K3.1 Proの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • GLM 5.2はKimi K3.1 Proより出力が約2倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある17件のベンチマークのうち、Kimi K3.1 Proが15件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングGLM 5.2カテゴリスコア62 対 60;SciCode 51.2% 対 60.8%中
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 62;GDPval-AA v2.1 1861 対 1380中
数学Kimi K3.1 Proカテゴリスコア73 対 53;ProofBench 91.0% 対 35.0%高
推論Kimi K3.1 Proカテゴリスコア59 対 57;HLE-Diamond (AA) 37.3% 対 17.7%中
知識Kimi K3.1 Proカテゴリスコア58 対 44;AA-Omniscience v1.1 29.9 対 0.6高
長い文書Kimi K3.1 Proカテゴリスコア68 対 64;AA-LCR v1.1 86.3% 対 78.3%中
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.2のみです(カテゴリスコア66)比較不可
最低コストGLM 5.2100万トークンあたりブレンド価格$2.15 対 $4.00;エージェント型コーディングセッション$0.102 対 $0.160–
回答開始の速さGLM 5.2最初の回答トークンまで26.8秒(GLM 5.2 (max))対 157.4秒(Kimi K3.1 Pro)–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • GLM 5.2 (max)とKimi K3.1 Proの品質は互角です(58.9 対 61.8、±5.0の誤差範囲内)。
  • GLM 5.2 (max)はコーディングで優れています。
  • Kimi K3.1 Proはエージェント・ツール、知識、長文コンテキスト、数学、推論で優れています。
  • GLM 5.2 (max)の方が1.9倍安くなっています(100万トークンあたりブレンド価格$2.15 対 $4.00)。
  • GLM 5.2 (max)の方が出力が2.3倍速くなっています(69 対 30トークン/秒)。

概要

仕様GLM 5.2Kimi K3.1 Pro
プロバイダーZhipu AIMoonshot AI
リリース日2026年6月16日2026年10月23日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成GLM 5.2 (max)Kimi K3.1 Pro
オープンウェイトありあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$1.40 / $4.40 / $0.260$2.00 / $10.00 / $0.200

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリGLM 5.2 (max)Kimi K3.1 Proトップ
推論57.259.2Kimi K3.1 Pro
コーディング61.859.6GLM 5.2
エージェント・ツール62.164.6Kimi K3.1 Pro
数学52.673.4Kimi K3.1 Pro
知識44.358.2Kimi K3.1 Pro
指示追従71.8–比較不可
人間の評価66.4–比較不可
マルチモーダル–66.3比較不可
長文コンテキスト63.867.9Kimi K3.1 Pro

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキストGLM 5.2, 推論: 57.2GLM 5.2, コーディング: 61.8GLM 5.2, エージェント・ツール: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 知識: 44.3GLM 5.2, 長文コンテキスト: 63.8Kimi K3.1 Pro, 推論: 59.2Kimi K3.1 Pro, コーディング: 59.6Kimi K3.1 Pro, エージェント・ツール: 64.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知識: 58.2Kimi K3.1 Pro, 長文コンテキスト: 67.9

描画していないもの(測定済みのモデルが2つ未満):指示追従, マルチモーダル, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある17件のベンチマークのうち、GLM 5.2のリードが2件、Kimi K3.1 Proのリードが15件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。

総合IndexGLM 5.2 (max)Kimi K3.1 Proトップ
BenchLeader Index58.961.8互角
Arena Text14751485†Kimi K3.1 Pro

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標GLM 5.2 (max)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$2.15$4.00
100万トークンあたりの入力/出力$1.40 / $4.40$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.260$0.200
タスクあたりの価格:チャットの返答$0.0019$0.0038
タスクあたりの価格:30ページのレポートを要約$0.019$0.030
タスクあたりの価格:コード編集$0.015$0.027
タスクあたりの価格:エージェント型コーディングセッション$0.102$0.160
タスクあたりの価格:構造化データの抽出$0.0037$0.0060
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.050$0.079
ベンチマークのタスクあたりのコスト(AA Index)–$3.68
タスクあたりの出力トークン(AA Index)–72k
うち推論–44k
タスクあたりの時間(AA Index)–40 min
出力速度69 tok/s30 tok/s
回答開始までの時間26.8秒157.4秒
回答が完了するまでの時間(最終測定2026年11月13日)56.7秒417.5秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GLM 5.2 (max)のスコアは58.9、最初の回答トークンまで27秒。GLM 5.2は51.9(1秒)、GLM 5.2 (推論なし)は45.8(2秒)。Kimi K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

158件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元GLM 5.2 (max)Kimi K3.1 Pro
BenchLeader IndexBenchLeader58.961.8
エージェント・ツールスコアBenchLeader62.164.6
コーディングスコアBenchLeader61.859.6
人間の評価スコアBenchLeader66.4–
指示追従スコアBenchLeader71.8–
知識スコアBenchLeader44.358.2
長文コンテキストスコアBenchLeader63.867.9
数学スコアBenchLeader52.673.4
推論スコアBenchLeader57.259.2
マルチモーダルスコアBenchLeader–66.3
ブレンド価格($/100万トークン)BenchLeader$2.15$4.00
出力速度BenchLeader69 tok/s30 tok/s
回答開始までの時間BenchLeader26.8秒157.4秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.9%–
SimpleBenchSimpleBench58.8%†–
Arena Hard PromptsArena (LMArena)14961504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench78.6%†–
GPQA Diamond (AA)Artificial Analysis89.5%–
Humanity's Last Exam (AA)Artificial Analysis41.1%52.5%
HLE-Diamond (AA)Artificial Analysis17.7%37.3%
GPQA Diamond (Vals)Vals AI85.6%†–
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†–
ARC-AGI-1ARC Prize77.0%†–
ARC-AGI-2ARC Prize22.8%†–
CritPtArtificial Analysis20.9%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15021515†
Chess PuzzlesEpoch AI Benchmarking Hub22.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†–
LMCAEpoch AI Benchmarking Hub45.8%57.6%†
DTBenchEpoch AI Benchmarking Hub93.6%93.3%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
SciCodeSciCode51.2%60.8%
WeirdMLWeirdML70.1%–
FrontierCodeCognition24.5%†–
Arena CodingArena (LMArena)15151530†
158件のベンチマークをすべて表示
指標公開元GLM 5.2 (max)Kimi K3.1 Pro
コーディング
Arena WebDevArena (LMArena)16081687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench79.7%†–
LiveCodeBenchVals AI69.5%†–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI82.8%–
Code MigrationVals AI37.9%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI64.0%84.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
SWE Atlas v1.1Scale AI SEAL–61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
MirrorCodeEpoch AI Benchmarking Hub36.7%–
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†–
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%–
ALE-BenchEpoch AI Benchmarking Hub1010.21932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%–
Startrise FrontendStartrise72.1%†–
GameBench 2 OverallDuelLab GameBench 243.1†78.3
GameBench 2 by reasoning settingDuelLab GameBench 232.4†84.0†
Design Arena WebsiteDesign Arena1277†1321
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis–25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench–59.7%†
APEX-AgentsMercor45.2%†65.5%
Arena AgentArena (LMArena)0.24.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench51.8%†–
Terminal-Bench HardArtificial Analysis50.8%–
τ²-Bench Telecom (AA)Artificial Analysis99.1%–
Terminal-Bench 2.1 (Vals)Vals AI67.8%–
MCP AtlasScale AI SEAL77.8%†–
HiL-BenchScale AI SEAL43.7%†61.3%
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis13801861
τ³-Banking (AA)Artificial Analysis34.6%–
ITBench SRE (AA)Artificial Analysis42.7%–
Analyst Agent (AA)Artificial Analysis–38.8%
APEX-Agents (AA)Artificial Analysis33.7%–
Finance Agent v2Vals AI49.7%†–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI7.1%–
Legal Research BenchVals AI31.3%37.5%†
SkillsBenchVals AI45.1%–
SREBenchVals AI0.0%27.1%†
Tax Agent BenchVals AI–24.9%†
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)1.72.7†
PostTrainBenchEpoch AI Benchmarking Hub30.4%–
GBAEvalEpoch AI Benchmarking Hub0.0%†–
Vending-Bench 2Andon Labs8313.8†–
AutomationBenchArtificial Analysis28.4%73.3%
GDP.pdf (AA)Artificial Analysis10.4%31.4%
EnterpriseOps-GymArtificial Analysis42.7%–
AA-Briefcase v1.1Artificial Analysis12261674
Design Arena AgenticDesign Arena1194†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–34.3%
CWE-Bench (AA)Artificial Analysis–60.8%
DeepSec-Bench (AA)Artificial Analysis–36.7%
CyberGym end-to-end (AA)Artificial Analysis–94.7%
MKA (AA)Artificial Analysis–43.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%–
ProofBenchVals AI35.0%91.0%
LiveBench MathematicsLiveBench89.8%†–
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1487–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench73.7%†–
AA-Omniscience v1.1Artificial Analysis0.629.9
MMLU-ProVals AI86.7%†–
LegalBenchVals AI84.1%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI73.3%†–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling BenchmarkVals AI61.5%†–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI40.8%†–
MedScribeVals AI83.5%†–
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL36.2%†63.4%†
EBR-benchEpoch AI Benchmarking Hub9.5%–
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%62.7%
指示追従
LiveBench LanguageLiveBench76.2%†–
LiveBench Instruction FollowingLiveBench62.3%†–
IFBenchArtificial Analysis73.3%–
Arena Instruction FollowingArena (LMArena)14701487†
人間の評価
Arena TextArena (LMArena)14751485†
EQ-Bench 4EQ-Bench1208†–
EQ-Bench Creative Writing v3EQ-Bench1759†2173
Arena Creative WritingArena (LMArena)14511453†
Arena Multi-turnArena (LMArena)14771475†
Arena Longer QueriesArena (LMArena)14861491†
マルチモーダル
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis–83.9%
Humanity's Sixth SenseScale AI SEAL–33.2%†
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.3%86.3%
MLCRArtificial Analysis12.8%38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench73.2%†–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis33.755.1
AA Progress Index v1Artificial Analysis302.5340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL48.7%†18.6%
メタデータ
AA Openness IndexArtificial Analysis44.433.3

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • GLM 5.2 (max):新しい結果1件(GDPval-AA v2.1)。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Kimi K3.1 Pro:新しい結果1件(HiL-Bench)。
  • GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
  • GLM 5.2 (max):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)、スコアの改訂1件。
  • Kimi K3.1 Pro:新しい結果3件(PRBench Finance, PRBench Legal, FORTRESS)、スコアの改訂2件。
  • GLM 5.2 (max):新しい結果1件(MirrorCode)。
  • Kimi K3.1 Pro:新しい結果2件(APEX-Agents, Epoch Capabilities Index)。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

GLM 5.2 vs Kimi K3.1 Pro:よくある質問

GLM 5.2はKimi K3.1 Proより優れていますか?
GLM 5.2 (max)とKimi K3.1 Proの品質は互角です(58.9 対 61.8、±5.0の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
GLM 5.2とKimi K3.1 Proはどちらが安いですか?今後変わる予定はありますか?
現在はGLM 5.2の方が安く、100万トークンあたり$2.15 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはGLM 5.2とKimi K3.1 Proのどちらが向いていますか?
コーディングではGLM 5.2の方がスコアが高くなっています(カテゴリ指標で62 対 60。50が平均)。共通するコーディングベンチマークのうち最も重要なSciCodeでは、GLM 5.2が51.2%、Kimi K3.1 Proが60.8%です。
GLM 5.2とKimi K3.1 Proはどちらが速いですか?
GLM 5.2の方が出力が約2倍速くなっています(出力69 対 30トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGLM 5.2とKimi K3.1 Proのどちらが向いていますか?
エージェント型のタスクではKimi K3.1 Proの方がスコアが高くなっています(カテゴリ指標で65 対 62。50が平均)。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではKimi K3.1 Proの方がスコアが高くなっています(68 対 64)。どちらも約1Mトークンです(GLM 5.2は1,000,000、Kimi K3.1 Proは1,048,576)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはGLM 5.2です。Artificial Analysisの測定では、最初の回答トークンまで26.8秒 対 157.4秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
GLM 5.2とKimi K3.1 Proについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある17件のベンチマークのうち、GLM 5.2のリードが2件、Kimi K3.1 Proのリードが15件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。
Kimi K3.1 Proはいつリリースされましたか?
Kimi K3.1 Proは2026年10月23日にリリースされました。